20242

Основи методу Монте-Карло

Доклад

Физика

точки та розрахувати в кожному полож. точки її енергію з частинками системи. Будується ланцюг випадкових переміщень однієї точки. точки; 2 обрати модель потенціальної енергії; 3задати температуру та довжину кроку відображ.

Украинкский

2013-07-25

146.5 KB

1 чел.

26. Основи методу Монте-Карло.

 

Метод МК- метод випадкових випробувань. Середнє статистичне значення якої-небудь фіз.. властивості : , де ; Для дискретної зміни станів: .

Майер вважав, що неперервний конфігураційний простір треба замінити дискретним, поділяючи об’єм на рівні мікроскопічні комірки, які налічують однакову кількість частинок. За розумний час роботи  машини частинка не встигає побувати у всіх точках об’єму. Тому треба ділити на комірки.

Якщо у нас комірок, то -кільк. частинок в комірці. Комірки – періодичні граничні умови.  В усіх комірках однаково будується ланцюг. Щоб змінити енергію взаємодії частинок достатньо змінити положення однієї частинки . Але ця зміна  повинна відбуватися за законом випадкових випробувань. Випадкові процеси називаються марковськими вип. процесами, якщо вони утвор. один ергодичний клас, тобто від і-того процесу можна перейти до того процесу за скінченну кількість кроків. При цьому ймов. переходу  за 1 крок - , за 2 кроки , за  кроків . Отже  гранична ймов. реалізації -того стану , яка для марковських процесів

При практичній реалізації методу зіткнулися з труднощами, зв’язаними з неможливістю побудови ланцюга переміщень відображ. точки та розрахувати в кожному полож. відображ. точки її енергію з  частинками системи. Вихід  - застосування періодичних граничних умов. Будується ланцюг випадкових переміщень однієї точки. Кожне положення характеризує енергію системи, усереднення по станах – усереднення вздовж лінії ланцюга. Рухлива точка – відображаюча точка. Ланцюг має бути довгим. Для побудови ланцюга необхідно задати: 1) кількість частинок у комірках, та початкове положення відобр. точки; 2) обрати модель потенціальної енергії; 3)задати температуру та довжину кроку відображ. точки.

Після цього з частинок обирають генератором випадкових чисел відображаючу точку . Тоді розраховують початкову енергію  та ймовірність реалізації цього початкового стану  та . Потім переміщуємо відображаючу точку вздовж  Для цього з інтервалу -1, 0, 1 обирають генератором випадкових чисел випадкові величини , при цьому: . Потім розраховуються відстані між  та всіма іншими частинками, і розраховують та .

Якщо , то вважають що перехід відбувся. Відстані між част. та від.т., а також ех енергія взаємодії заноситься в пам’ять. Ланцюг будується далі, при цьому ,

,   

Якщо на якомусь кроці виявиться, що , то проводять додаткові випробування. Оскільки ймов. змінюється від 0 до 1, цей інтервал розбивається наприклад на 10 ділянок і генератором випадкових чисел обирають випадкову величину . Якщо , то вважають що перехід у к-е положення відбувся. Якщо  і , то перехід() не відбувається і відобр. т. провертається в () стан, а к-й реалізується по-новому.

Як можна отримати інформацію про молекулярну структуру? або бінарну кореляційну функцію?

, то в окремих точках () , де - сер. кількість сусідів від відображ. точки на відстані , яка може бути розрахована за формулою: , де  - кільк. сусідів у тому полож. відображ. точки.

- вздовж ланцюга випадкових переміщень.

В кожному положенні відобр. точки вибирають к-сть сусідів на відстанях

Середнє число сусідів на деякій відстані: . Так розраховується структура в методі МК.  Таблиця необхідна для того, щоб знайти  в різних точках.

...

...

dZ(ri)

i


 

А также другие работы, которые могут Вас заинтересовать

15704. ПРОВЕРКА ГИПОТЕЗ. ОДНОФАКТОРНЫЙ ДИСПЕРСИОННЫЙ АНАЛИЗ И ЕГО НЕПАРАМЕТРИЧЕСКИЕ АНАЛОГИ 82 KB
  Лабораторная работа 6. ПРОВЕРКА ГИПОТЕЗ. однофакторный Дисперсионный анализ и его непараметрические аналоги. Задание 7: однофакторный дисперсионный анализ Эрнст Кречмер немецкий психолог разделил людей на четыре категории по типу конституции: астеники...
15705. МНОГОФАКТОРНЫЙ ДИСПЕРСИОННЫЙ АНАЛИЗ (МЕЖГРУППОВАЯ СХЕМА) 63 KB
  Лабораторная работа 7. ПРОВЕРКА ГИПОТЕЗ. многофакторный Дисперсионный анализ межгрупповая схема Задание 10: многофакторный дисперсионный анализ Рассмотрим случай когда в исследовании больше одной независимой переменной. Исследователь интересуется как изме
15706. МНОГОФАКТОРНЫЙ ДИСПЕРСИОННЫЙ АНАЛИЗ (ВНУТРИГРУППОВАЯ СХЕМА) 51.5 KB
  Лабораторная работа 7. ПРОВЕРКА ГИПОТЕЗ. многофакторный Дисперсионный анализ внутригрупповая схема Задание 11: опять социальный интеллект Рассмотрим опять данные из задачи 9 файл Social Intelligence.sta. Предположим мы интересуемся как развивается социальный интелл...
15707. ОСНОВНІ ПОНЯТТЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ 162.5 KB
  Дисципліна: МАТЕМАТИЧНА СТАТИСТИКА ТА ОПРАЦЮВАННЯ СПОСТЕРЕЖЕНЬ Модуль 1: ОСНОВНІ ПОЛОЖЕННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ Лекція 1: ОСНОВНІ ПОНЯТТЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ План лекції 1: 1.1. Визначення теорії ймовірностей і математичної статистики. 1.2. Історична довід...
15708. ПОРЯДОК ОБЧИСЛЕННЯ МАТЕМАТИЧНИХ СТАТИСТИК 192.5 KB
  Дисципліна: МАТЕМАТИЧНА СТАТИСТИКА ТА ОПРАЦЮВАННЯ СПОСТЕРЕЖЕНЬ Модуль 1: ОСНОВНІ ПОЛОЖЕННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ Лекція 2. ПОРЯДОК ОБЧИСЛЕННЯ МАТЕМАТИЧНИХ СТАТИСТИК План лекції 2: 2.1. Визначення основних понять математичної статистики. 2.2. Дисперсія як показн...
15709. КЛАСИЧНЕ І СТАТИСТИЧНЕ ВИЗНАЧЕННЯ ЙМОВІРНОСТІ 92.5 KB
  Дисципліна: МАТЕМАТИЧНА СТАТИСТИКА ТА ОПРАЦЮВАННЯ СПОСТЕРЕЖЕНЬ Модуль 1: ОСНОВНІ ПОЛОЖЕННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ Лекція 3. КЛАСИЧНЕ І СТАТИСТИЧНЕ ВИЗНАЧЕННЯ ЙМОВІРНОСТІ План лекції 3: 3.1. Основні етапи статистичного дослідження. 3.2. Класичне і статистичне озна
15710. ГРАФІЧНЕ ПРЕДСТАВЛЕННЯ ЧИСЛОВОЇ ІНФОРМАЦІЇ 499.5 KB
  Дисципліна: МАТЕМАТИЧНА СТАТИСТИКА ТА ОПРАЦЮВАННЯ СПОСТЕРЕЖЕНЬ Модуль 1: ОСНОВНІ ПОЛОЖЕННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ Лекція 4: ГРАФІЧНЕ ПРЕДСТАВЛЕННЯ ЧИСЛОВОЇ ІНФОРМАЦІЇ План лекції 4: 4.1. Інтервальний ряд вибіркової статистичної сукупності. 4.2. Робота з гістограм...
15711. ВИЗНАЧЕННЯ ЙМОВІРНОСТІ ВИПАДКОВОЇ ПОДІЇ 106 KB
  Дисципліна: МАТЕМАТИЧНА СТАТИСТИКА ТА ОПРАЦЮВАННЯ СПОСТЕРЕЖЕНЬ Модуль 2. ОСНОВНІ ВИЗНАЧЕННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ Лекція 5. ВИЗНАЧЕННЯ ЙМОВІРНОСТІ ВИПАДКОВОЇ ПОДІЇ. План лекції 5: 5.1. Визначення випадкового експерименту та події. 5.2. Статистична сталість і клас...
15712. ЙМОВІРНІСНІ МОДЕЛІ ПРОСТОРІВ ВИПАДКОВИХ ПОДІЙ 133 KB
  Дисципліна: МАТЕМАТИЧНА СТАТИСТИКА ТА ОПРАЦЮВАННЯ СПОСТЕРЕЖЕНЬ Модуль 2. ОСНОВНІ ПОЛОЖЕННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ Лекція 6: ЙМОВІРНІСНІ МОДЕЛІ ПРОСТОРІВ ВИПАДКОВИХ ПОДІЙ План лекції 4: 6.1. Моделі дискретних просторів випадкових елементарних подій. 6.2. Моделі ди...